要約
複数の異種の部分的なソースからの測定値を融合し、共通の物体またはプロセスを観察することは、利用可能なセンサーの数と種類が増加しているため、課題が生じています。
この研究では、このタスク用に複数の自動エンコーダ ニューラル ネットワーク アーキテクチャの形式でエンドツーエンドの計算パイプラインを提案、実装、検証します。
パイプラインへの入力は部分的な観測値のいくつかのセットであり、その結果、すべての測定値が調和 (固定化、融合) され、グローバルに一貫した潜在空間が得られます。
鍵となるのは、各インスタンスの複数のわずかに摂動された測定値、つまり局所測定「バースト」を利用できることです。これにより、各機器によって引き起こされる局所的な歪みを推定できるようになります。
単純な 2 次元データセットから始めて、Wi-Fi 位置特定問題と、偏微分方程式の解の時空間観察で生じる「動的パズル」の解決へと進む、一連の例でこのアプローチを示します。
。
要約(オリジナル)
Fusing measurements from multiple, heterogeneous, partial sources, observing a common object or process, poses challenges due to the increasing availability of numbers and types of sensors. In this work we propose, implement and validate an end-to-end computational pipeline in the form of a multiple-auto-encoder neural network architecture for this task. The inputs to the pipeline are several sets of partial observations, and the result is a globally consistent latent space, harmonizing (rigidifying, fusing) all measurements. The key enabler is the availability of multiple slightly perturbed measurements of each instance:, local measurement, ‘bursts’, that allows us to estimate the local distortion induced by each instrument. We demonstrate the approach in a sequence of examples, starting with simple two-dimensional data sets and proceeding to a Wi-Fi localization problem and to the solution of a ‘dynamical puzzle’ arising in spatio-temporal observations of the solutions of Partial Differential Equations.
arxiv情報
著者 | Erez Peterfreund,Iryna Burak,Ofir Lindenbaum,Jim Gimlett,Felix Dietrich,Ronald R. Coifman,Ioannis G. Kevrekidis |
発行日 | 2023-12-20 16:18:51+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google